Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
LA MANUTENZIONE DELLE
APPARECCHIATURE BIOMEDICHE
NELL’ERA DELLE TECNOLOGIE
DIGITALI
I
Il carattere innovativo del presente lavoro risiede nel tentativo di utiliz-
zare, in via del tutto sperimentale, metodiche proprie dell’intelligenza
artificiale non, come comunemente accade in ambito clinico, per pre-
vedere l’insorgenza di determinate patologie o migliorare metodi per
la diagnostica per immagini, ma per migliorare la gestione dei dispo-
sitivi medici, obiettivo operativo dell’ingegneria clinica, tentando di
prevederne gli eventi di guasto.
II
vano svolte utilizzando carta e penna, con tutti gli svantaggi associati
quali la possibilità di errori di trascrizione, di calcolo e in generale una
non ottimale gestione dei processi. Il tool è stato implementato nella
rete intranet dell’ospedale ed è attualmente in uso presso il reparto.
III
Abstract
The innovative aspect of the present work lies in the attempt to use,
in a purely experimental way, methods of artificial intelligence, not,
V
as commonly happens in the clinical setting, to predict the onset of
certain pathologies or improve methods for diagnostic imaging, but to
improve the management of medical devices by trying to predict failure
events.
VI
Ringraziamenti
IX
la possibilità di intraprendere l’attività di tirocinio e per essere sempre
stata un punto di riferimento in quanto professionalità e competenza.
A tutto il personale di Ingegneria Clinica per essere sempre stato, fin dal
primo giorno, paziente e disponibile a supportarmi nel caso di necessità.
X
Indice
Sommario I
Abstract V
Ringraziamenti IX
1 Introduzione e contesto 1
1.1 Organizzazione della ASST Vimercate . . . . . . . . . 2
1.1.1 Polo Ospedaliero . . . . . . . . . . . . . . . . . 3
1.1.2 Rete Territoriale . . . . . . . . . . . . . . . . . 4
1.1.3 La Mission Aziendale . . . . . . . . . . . . . . . 5
1.1.4 Il presidio di Vimercate . . . . . . . . . . . . . . 10
1.1.5 Gli altri presidi della ASST di Vimercate . . . . 13
1.2 L’U.O.C. Ingegneria Clinica presso l’ASST Vimercate . 15
1.2.1 Organizzazione e attività della Struttura . . . . 15
1.2.2 L’attività di manutenzione . . . . . . . . . . . 17
XIII
2.1.1 Dispositivo medico . . . . . . . . . . . . . . . . 20
2.1.2 Manutenzione correttiva e preventiva . . . . . . 21
2.2 Modalità organizzative di manutenzione delle apparec-
chiature elettromedicali nelle strutture sanitarie . . . . 23
2.3 La manutenzione del parco tecnologico in ASST Vimercate 26
2.3.1 Manutenzioni programmate . . . . . . . . . . . 28
2.3.2 Manutenzioni correttive . . . . . . . . . . . . . 33
2.4 Esempio di manutenzione correttiva: Risonanza Magne-
tica Philips Achieva . . . . . . . . . . . . . . . . . . . 37
2.4.1 Risonanza Magnetica (RM) . . . . . . . . . . . 37
2.4.2 L’intervento di manutenzione correttiva sulla ri-
sonanza Philips Achieva di proprietà della ASST
Vimercate . . . . . . . . . . . . . . . . . . . . . 39
XIV
4.3 Le lavaendoscopi . . . . . . . . . . . . . . . . . . . . . 78
4.4 Raccolta Dati . . . . . . . . . . . . . . . . . . . . . . . 84
4.5 Conversione dei file di backup . . . . . . . . . . . . . . 85
4.6 Modellizzazione . . . . . . . . . . . . . . . . . . . . . . 90
4.6.1 Apprendimento ad istanza multipla . . . . . . 90
4.6.2 Text mining: creazione del Corpus . . . . . . . 92
4.6.3 Text mining: Document Term Matrix . . . . . . 95
4.6.4 Fase di training e testing . . . . . . . . . . . . . 99
4.7 Scelta del modello ottimale . . . . . . . . . . . . . . . . 102
6 Conclusioni 127
6.1 Risultati ottenuti . . . . . . . . . . . . . . . . . . . . . 128
6.2 Sviluppi futuri . . . . . . . . . . . . . . . . . . . . . . . 130
XV
Bibliografia e sitografia 133
XVI
Elenco delle figure
XVII
3.4.3 Topologia di una LSTM . . . . . . . . . . . . . . . . . 68
XVIII
5.2.6 Diagramma di Sankey relativo alla categoria Gastroscope.
Le quantità numeriche sono visualizzabili quando l’utente
posiziona il cursore del mouse sui flussi del diagramma. 118
5.2.7 Cicli eseguiti per categoria di strumento . . . . . . . . 119
5.2.8 Tabella dei cicli regolari/irregolari per la categoria di
strumento scelta . . . . . . . . . . . . . . . . . . . . . 120
5.2.9 Numero di cicli per operatore. Vista Totale . . . . . . 121
XIX
Elenco delle tabelle
XXI
Capitolo 1
Introduzione e contesto
1
CAPITOLO 1. INTRODUZIONE E CONTESTO
2
1.1. ORGANIZZAZIONE DELLA ASST VIMERCATE
3
CAPITOLO 1. INTRODUZIONE E CONTESTO
4
1.1. ORGANIZZAZIONE DELLA ASST VIMERCATE
5
CAPITOLO 1. INTRODUZIONE E CONTESTO
6
1.1. ORGANIZZAZIONE DELLA ASST VIMERCATE
7
CAPITOLO 1. INTRODUZIONE E CONTESTO
8
1.1. ORGANIZZAZIONE DELLA ASST VIMERCATE
In particolare:
9
CAPITOLO 1. INTRODUZIONE E CONTESTO
Territoriale.
10
1.1. ORGANIZZAZIONE DELLA ASST VIMERCATE
11
CAPITOLO 1. INTRODUZIONE E CONTESTO
12
1.1. ORGANIZZAZIONE DELLA ASST VIMERCATE
Carate
Solo agli inizi del ’900 sorse la struttura ospedaliera vera e propria. I
lavori iniziarono nel 1908 e si conclusero due anni dopo. L’ospedale era
costituito da un plesso centrale a due piani e due padiglioni laterali.
Seregno
13
CAPITOLO 1. INTRODUZIONE E CONTESTO
Giussano
L’Ospedale “C. Borella” nasce, con atto pubblico del 20 ottobre 1891,
per volontà di Rachele Rossari vedova Borella, come fondazione voluta
per “gli ammalati poveri del Comune di Giussano e Briosco”.
Negli anni più recenti la vecchia struttura è stata affiancata dal nuovo
padiglione in cui vengono accolte le Unità di degenza, le sale operatorie
ed i diversi Servizi ospedalieri, nell’ottica di rispondere adeguatamente
alle esigenze concrete che si presentano con il passare degli anni.
14
1.2. L’U.O.C. INGEGNERIA CLINICA PRESSO L’ASST VIMERCATE
• 3 collaboratori tecnici
• 2 assistenti tecnici
• 1 collaboratore amministrativo
15
CAPITOLO 1. INTRODUZIONE E CONTESTO
16
1.2. L’U.O.C. INGEGNERIA CLINICA PRESSO L’ASST VIMERCATE
17
Capitolo 2
19
CAPITOLO 2. LA MANUTENZIONE DEI DISPOSITIVI MEDICI
2.1 Definizioni
20
2.1. DEFINIZIONI
che non eserciti nel o sul corpo umano l’azione principale cui e’ destinato
con mezzi farmacologici, immunologici o mediante processi metabolici,
ma la cui funzione possa essere coadiuvata da tali mezzi.[3]"
21
CAPITOLO 2. LA MANUTENZIONE DEI DISPOSITIVI MEDICI
22
2.2. MODALITÀ ORGANIZZATIVE DI MANUTENZIONE DELLE
APPARECCHIATURE ELETTROMEDICALI NELLE STRUTTURE SANITARIE
23
CAPITOLO 2. LA MANUTENZIONE DEI DISPOSITIVI MEDICI
24
2.2. MODALITÀ ORGANIZZATIVE DI MANUTENZIONE DELLE
APPARECCHIATURE ELETTROMEDICALI NELLE STRUTTURE SANITARIE
25
CAPITOLO 2. LA MANUTENZIONE DEI DISPOSITIVI MEDICI
26
2.3. LA MANUTENZIONE DEL PARCO TECNOLOGICO IN ASST
VIMERCATE
27
CAPITOLO 2. LA MANUTENZIONE DEI DISPOSITIVI MEDICI
28
2.3. LA MANUTENZIONE DEL PARCO TECNOLOGICO IN ASST
VIMERCATE
29
CAPITOLO 2. LA MANUTENZIONE DEI DISPOSITIVI MEDICI
Figura 2.3.1: Ruoli dei diversi attori coinvolti nella manutenzione programmata
30
2.3. LA MANUTENZIONE DEL PARCO TECNOLOGICO IN ASST
VIMERCATE
31
CAPITOLO 2. LA MANUTENZIONE DEI DISPOSITIVI MEDICI
manutentiva;
• Il SIC che, una volta approvati i piani di manutenzione delle (a)
stesi dal GS in virtù del CSA, controlla il corretto svolgimento
delle attività programmate
32
2.3. LA MANUTENZIONE DEL PARCO TECNOLOGICO IN ASST
VIMERCATE
Nel caso in cui il Global Service non riesca, con mezzi propri, a riparare
un eventuale guasto, provvede a contattare il fornitore dell’apparecchio
e procede in una delle seguenti modalità:
33
CAPITOLO 2. LA MANUTENZIONE DEI DISPOSITIVI MEDICI
34
2.3. LA MANUTENZIONE DEL PARCO TECNOLOGICO IN ASST
VIMERCATE
Figura 2.3.3: Ruoli dei diversi attori coinvolti nella manutenzione correttiva
35
CAPITOLO 2. LA MANUTENZIONE DEI DISPOSITIVI MEDICI
36
2.4. ESEMPIO DI MANUTENZIONE CORRETTIVA: RISONANZA
MAGNETICA PHILIPS ACHIEVA
37
CAPITOLO 2. LA MANUTENZIONE DEI DISPOSITIVI MEDICI
38
2.4. ESEMPIO DI MANUTENZIONE CORRETTIVA: RISONANZA
MAGNETICA PHILIPS ACHIEVA
39
CAPITOLO 2. LA MANUTENZIONE DEI DISPOSITIVI MEDICI
40
2.4. ESEMPIO DI MANUTENZIONE CORRETTIVA: RISONANZA
MAGNETICA PHILIPS ACHIEVA
41
CAPITOLO 2. LA MANUTENZIONE DEI DISPOSITIVI MEDICI
42
2.4. ESEMPIO DI MANUTENZIONE CORRETTIVA: RISONANZA
MAGNETICA PHILIPS ACHIEVA
43
Capitolo 3
Manutenzione predittiva e
tecnologie digitali
In questo capitolo verrà data, dopo una breve introduzione storica, la de-
finizione di “manutenzione predittiva” citando il fenomeno tecnologico-
culturale in cui essa nasce, ovvero la quarta rivoluzione industriale.
Verranno inoltre riportati i vantaggi nell’utilizzo delle tecnologie digitali
a scopo predittivo nell’ottica della manutenzione e verranno descritti i
principi teorici dell’analisi predittiva, specificando le principali tecniche
di analisi e modelli di machine learning utilizzati attualmente.
45
CAPITOLO 3. MANUTENZIONE PREDITTIVA E TECNOLOGIE DIGITALI
46
3.1. INDUSTRIA 4.0 E TECNOLOGIE EMERGENTI
47
CAPITOLO 3. MANUTENZIONE PREDITTIVA E TECNOLOGIE DIGITALI
• Osservazione dell’operatore
48
3.2. MANUTENZIONE PREDITTIVA: IL CONTESTO NORMATIVO
• Ispezione
• Collaudo
• Monitoraggio delle condizioni dei parametri del sistema
49
CAPITOLO 3. MANUTENZIONE PREDITTIVA E TECNOLOGIE DIGITALI
50
3.3. VANTAGGI DELLA MANUTENZIONE PREDITTIVA
51
CAPITOLO 3. MANUTENZIONE PREDITTIVA E TECNOLOGIE DIGITALI
52
3.3. VANTAGGI DELLA MANUTENZIONE PREDITTIVA
53
CAPITOLO 3. MANUTENZIONE PREDITTIVA E TECNOLOGIE DIGITALI
54
3.4. METODI ANALITICI DI PREDIZIONE
55
CAPITOLO 3. MANUTENZIONE PREDITTIVA E TECNOLOGIE DIGITALI
56
3.4. METODI ANALITICI DI PREDIZIONE
3.4.1 Classificazione
T
eα+β x
P (Y = 1 | X = x) = π(x) = (3.1)
1 + eα+β T x
57
CAPITOLO 3. MANUTENZIONE PREDITTIVA E TECNOLOGIE DIGITALI
58
3.4. METODI ANALITICI DI PREDIZIONE
tn ∈ {0, 1},
(3.2)
tn ∼ Be(yn )
nella quale:
an = α + β T x,
1 (3.5)
yn =
1 + e−an
Di conseguenza, per risolvere il problema di MLE (un problema di
massimizzazione) bisogna derivare la funzione di likelyhood 3.4 rispetto
ai parametri e annullarne la derivata così trovata. In riferimento a ciò,
59
CAPITOLO 3. MANUTENZIONE PREDITTIVA E TECNOLOGIE DIGITALI
60
3.4. METODI ANALITICI DI PREDIZIONE
61
CAPITOLO 3. MANUTENZIONE PREDITTIVA E TECNOLOGIE DIGITALI
3.4.2 Regressione
• numero di neuroni;
• tipologia della rete;
• funzione di attivazione;
• valori dei pesi sinaptici e dei bias.
62
3.4. METODI ANALITICI DI PREDIZIONE
. 1
.
.
z y
(⋅)
. ∑
. =1
= 0
63
CAPITOLO 3. MANUTENZIONE PREDITTIVA E TECNOLOGIE DIGITALI
dove:
64
3.4. METODI ANALITICI DI PREDIZIONE
11
ℎ
1
. 21
2
. ℎ y
. 1
2
.
.
.
1
J
X I
X
y = g Wj h wji xi (3.11)
j=0 i=0
N (tn − yn )2
X
E= (3.12)
n=0
65
CAPITOLO 3. MANUTENZIONE PREDITTIVA E TECNOLOGIE DIGITALI
66
3.4. METODI ANALITICI DI PREDIZIONE
67
CAPITOLO 3. MANUTENZIONE PREDITTIVA E TECNOLOGIE DIGITALI
x x CEC x
Una rete di tipo LSTM, come già detto, è una rete neurale ricorrente
capace di apprendere sequenze anche molto lunghe. In generale, le
LSTM sono composte da sequenze di reti neurali, ognuna di queste
caratterizzate da una specifica funzione. La topologia generale di una
LSTM viene riportata in figura 3.4.3.
68
3.4. METODI ANALITICI DI PREDIZIONE
69
Capitolo 4
71
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
72
4.1. INDAGINE PRELIMINARE
73
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
74
4.2. L’ANALISI DEI LOG MACCHINA
75
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
76
4.2. L’ANALISI DEI LOG MACCHINA
77
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
4.3 Le lavaendoscopi
78
4.3. LE LAVAENDOSCOPI
Tabella 4.3.1: Numero totale di attività cliniche suddivise per tipologia di prestazione
effettuate nel 2017 dalla ASST di Vimercate afferenti al reparto di endoscopia
Tipologia Numero di prestazioni effettuate
Ambulatorio 15066
Screening 501
Pronto Soccorso 111
79
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
80
4.3. LE LAVAENDOSCOPI
81
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
82
4.3. LE LAVAENDOSCOPI
• paziente (opzionale);
• tipo di ciclo eseguito;
• numero progressivo del ciclo;
• fasi del ciclo con relativi tempi di contatto e temperatura;
• esito del ciclo;
Gli scontrini rappresentano una buona fonte di dati per quanto riguarda
lo stato di funzionamento della macchina in quanto, come visto, essi
riportano sia gli attori coinvolti nello specifico ciclo di lavaggio, sia gli
eventuali allarmi registrati durante il lavaggio. Essi riportano inoltre
variabili numeriche quali temperatura e tempi delle varie fasi del ciclo
selezionato.
83
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
84
4.5. CONVERSIONE DEI FILE DI BACKUP
85
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
86
4.5. CONVERSIONE DEI FILE DI BACKUP
inizio della fase stessa. Anche in questo caso, per estrarre il nome
delle fasi di lavaggio, sono state utilizzate delle regex in modo tale
da “estrarre” i caratteri che si trovavano in seguito ad un timestamp.
In particolare, si è utilizzata la regex: \\d\\d:\\d\\d:\\d\\d .*
Figura 4.5.1: Divisione degli scontrini nelle parti di Intro, Header e Footer
87
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
Figura 4.5.2: Tabella ottenuta dalla conversione dei file testuali degli scontrini.
88
4.5. CONVERSIONE DEI FILE DI BACKUP
89
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
4.6 Modellizzazione
90
4.6. MODELLIZZAZIONE
t
scontrini scontrini scontrini
prodotti prodotti prodotti
borsa relativa al giorno t-9 borsa relativa al giorno t-2 borsa relativa al giorno t-1
91
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
92
4.6. MODELLIZZAZIONE
93
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
[[1]]
<< PlainTextDocument > >
Metadata : 7
Content : chars : 115
[[2]]
<< PlainTextDocument > >
Metadata : 7
Content : chars : 90
[[3]]
<< PlainTextDocument > >
Metadata : 7
Content : chars : 55
[[4]]
<< PlainTextDocument > >
Metadata : 7
Content : chars : 290
[[5]]
<< PlainTextDocument > >
Metadata : 7
Content : chars : 115
94
4.6. MODELLIZZAZIONE
95
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
N
!
idf(t, D) = log (4.1)
nt
dove:
N
!
tfidf(t, d, D) = tf(t, d) · idf(t, D) = ft,d · log (4.2)
nt
96
4.6. MODELLIZZAZIONE
9 t1
TF−IDF
3
t2
0
0 10 20 30 40 50
nt
Figura 4.6.2: Valore dato dalla tf-idf per due termini generici t1 e t2 , ipotizzando la
stessa frequenza (fd,t1,2 = 3) all’interno di un generico documento d. t1 compare in
meno documenti del corpus (nt1 = 4), di conseguenza il suo peso risulta maggiore.
97
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
carico
acqua
scarico
ciclo
sterilizzante
risciacquo
sterilizzazione
temperaturac
test
tenuta
tipo
fine
regolare
dinamica
detergente
detersione
Termini nel corpus
completa
asciugatura
veloce
autosanificazione
disinfezione
miscelazione
sterilization
complete
allarme 511
irregolare 490
tanica
cambio
canale
scollegato 170
fast
stop
pulsante
minima
temperatura
pressione
numero
otturato 49
massima
perdita 32
liquido
0 10000 20000 30000
Frequenza nel corpus
Figura 4.6.3: Frequenza dei 40 termini più comuni nel corpus generale degli scontrini.
98
4.6. MODELLIZZAZIONE
99
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
100
4.6. MODELLIZZAZIONE
101
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
102
4.7. SCELTA DEL MODELLO OTTIMALE
103
CAPITOLO 4. LA MANUTENZIONE PREDITTIVA PRESSO L’ASST
VIMERCATE
104
4.7. SCELTA DEL MODELLO OTTIMALE
105
Capitolo 5
107
CAPITOLO 5. WEB APP INSIGHT
5.1 Sviluppo
108
5.1. SVILUPPO
Dopo una fase di sviluppo preliminare, la web app è stata testata dalla
responsabile di reparto e da una collaboratrice. Le osservazioni e le
richieste del personale di reparto sono state cruciali per il miglioramento
del software. In particolare, il reparto ha richiesto la possibilità di poter
visualizzare:
109
CAPITOLO 5. WEB APP INSIGHT
5.2.1 Sidebar
110
5.2. FUNZIONAMENTO E INTERFACCIA UTENTE
111
CAPITOLO 5. WEB APP INSIGHT
112
5.2. FUNZIONAMENTO E INTERFACCIA UTENTE
5.2.2 Overview
113
CAPITOLO 5. WEB APP INSIGHT
114
5.2. FUNZIONAMENTO E INTERFACCIA UTENTE
per visualizzare una finestra modale in cui è presente una tabella che
riporta solo gli scontrini in cui sono stati rilevati allarmi.
Una particolare nota va all’info box che riporta il numero totale dei
cicli effettuati: cliccando su questo box è possibile visualizzare un
diagramma di Sankey (figura 5.2.4), uno specifico tipo di diagramma
di flusso in cui la larghezza dei collegamenti tra un attore e l’altro
del diagramma è direttamente proporzionale alla quantità in gioco nel
flusso. In questo caso, il diagramma fornisce, per ogni numero seriale
selezionato, il numero di cicli regolari e irregolari riscontrati suddivisi
per categoria di strumento sottoposto a riprocessazione. Le quantità in
gioco possono essere visualizzate passando il cursore del mouse sopra
ad uno dei flussi rappresentati.
115
CAPITOLO 5. WEB APP INSIGHT
5.2.3 Allarmi
116
5.2. FUNZIONAMENTO E INTERFACCIA UTENTE
117
CAPITOLO 5. WEB APP INSIGHT
5.2.4 Strumentazione
118
5.2. FUNZIONAMENTO E INTERFACCIA UTENTE
119
CAPITOLO 5. WEB APP INSIGHT
Figura 5.2.8: Tabella dei cicli regolari/irregolari per la categoria di strumento scelta
5.2.5 Operatori
120
5.2. FUNZIONAMENTO E INTERFACCIA UTENTE
Anche per i grafici di questa sezione viene specificato che l’utente può
visualizzare ulteriori informazioni sui dati della singola osservazione
spostando il cursore del mouse nel punto desiderato.
121
CAPITOLO 5. WEB APP INSIGHT
122
5.4. OPPORTUNITÀ DI MIGLIORAMENTO
123
CAPITOLO 5. WEB APP INSIGHT
124
5.5. PUNTI DI FORZA
125
CAPITOLO 5. WEB APP INSIGHT
126
Capitolo 6
Conclusioni
127
CAPITOLO 6. CONCLUSIONI
128
6.1. RISULTATI OTTENUTI
Oltre allo sviluppo dei suddetti modelli, è stata sviluppata una web
app per il monitoraggio e l’analisi delle performance delle lavaendoscopi
a partire dai dati contenuti nei file di backup. Lo strumento sviluppato
è stato accolto positivamente dal reparto che ha riconosciuto, nel suo
utilizzo, un valido alleato per l’ottimale organizzazione e gestione delle
attività di re processing collegate all’utilizzo delle lavaendoscopi.
129
CAPITOLO 6. CONCLUSIONI
130
Dall’altra parte, un servizio di Ingegneria Clinica dovrà essere in grado
di determinare e comprendere, al momento di valutazione di acquisto di
una nuova tecnologia da inserire nel parco macchine aziendale, la qualità
del servizio di manutenzione predittiva che viene offerto. Ciò si traduce
quindi in nuove prospettive per il futuro dell’ingegneria clinica andando
ad analizzare le performance di predizione e assicurarsi, ovviamente,
che gli studi sui modelli utilizzati da queste nuove tecnologie siano state
studiate e testate in modo approfondito. Le nuove attività rientrano
quindi in quelle caratteristiche della Data Science, nella quale l’analisi
statistica, la gestione e la modellizzazione dei dati tramite strumenti di
programmazione e la conoscenza dei metodi di Data Mining ne sono i
pilastri portanti.
131
Bibliografia e sitografia
133
documenti-riservati-normazione/documenti-estratti-norme/3135-
manutenzione-tutte-le-definizioni-delle-norme-di-riferimento.
134
to Mortality Modeling and Forecasting,” Risks, vol. 7, p. 26, Feb. 2019.
[17] Z. Tian, “An artificial neural network method for remaining useful
life prediction of equipment subject to condition monitoring,” Journal
of Intelligent Manufacturing, vol. 23, pp. 227–237, 2012.
135